基于奇异值分解和多级支持向量机的配电网故障类型识别

被引：32

作者：

高伟 ^{[1
]}

陈伟凡 ^{[2
]}

杨耿杰 ^{[1
]}

陈立纯 ^{[3
]}

机构：

[1] 福州大学电气工程与自动化学院

[2] 国网福建省电力有限公司泉州供电公司

[3] 国网福建晋江市供电有限公司

来源：

电子测量与仪器学报 | 2018年 / 32卷 / 02期

关键词：

配电网; 故障类型识别; 希尔伯特-黄变换; 奇异值分解; 支持向量机;

D O I：

10.13382/j.jemi.2018.02.010

中图分类号：

TM711 [网络分析、电力系统分析]; TP18 [人工智能理论];

学科分类号：

083903 [网络与系统安全]; 140502 [人工智能];

摘要：

对配电网故障类型的及时准确识别有助于故障定位和事故分析等。提出一种基于奇异值分解(SVD)和多级支持向量机(SVM)的配电网故障类型识别方法。首先通过希尔伯特-黄变换(HHT)带通滤波算法对三相电压/电流、零序电压等7个故障波形进行等频宽分解,构造时频矩阵。然后将时频矩阵SVD得到的部分有效奇异值作为特征量,输入到多级SVM进行训练和分类识别。利用PSCAD/EMTDC软件搭建10 k V配电网模型用于获取训练样本和测试样本。测试结果表明,该方法对配电网单相接地、两相接地、两相短路、三相短路等10种故障类型的识别正确率较高,且在噪声干扰、采样不同步、系统网络结构改变、负荷电流变化、系统中性点经消弧线圈接地、系统等值阻抗变化、分布式电源接入等情况下均有较好的适应性。

引用

页码：62 / 71

页数：10

共 15 条

[1]

Discrete wavelet transform and support vector machine-based parallel transmission line faults classification [J].

Saber, Ahmed ;

Emam, Ahmed ;

Amer, Rabah .

IEEJ TRANSACTIONS ON ELECTRICAL AND ELECTRONIC ENGINEERING, 2016, 11 (01) :43-48

[2]

Comparison of Different Optimization Methods with Support Vecto Machine for Blast Furnace Multi-Fault Classification.[J].Ruqiao An Chunjie Yang;Zhe Zhou;Lin Wang;Yijun Pan.IFAC PapersOnLine.2015, 21

[3]

An ANFIS-based fault classification approach in power distribution system.[J].J. Zhang;Z.Y. He;S. Lin;Y.B. Zhang;Q.Q. Qian.International Journal of Electrical Power and Energy Systems.2013,

[4]

三电平逆变器的决策树SVM故障诊断 [J].